Problèmes inverses et réseaux de neurones : application à l'interféromètre haute résolution IASI et à l'analyse de séries temporelles

par Filipe Aires

Thèse de doctorat en Sciences - Mathématiques appliquées

Sous la direction de Michel Schmitt.

Soutenue en 1999

à l'Université Paris-Dauphine .


  • Résumé

    Nous nous sommes intéressés, dans cette thèse, à la résolution des problèmes inverses par la technique des réseaux de neurones formels. Deux cadres théoriques sont à distinguer pour cette technique statistique : l'apprentissage supervisé et l'apprentissage non supervisé. Dans ces deux cas, la technique des réseaux de neurones est particulièrement bien adaptée car il est possible d'introduire de l'information à priori sur le problème inverse. Concernant l'apprentissage supervisé, nous avons étudié l'exemple du sondage vertical satellitaire pour la restitution du profil vertical de la température atmosphérique. Deux instruments ont été utilisés : premièrement, le radiomètre TOVS, en vol depuis 1979 sur la série des satellites opérationnels américains de la NOAA. Nous avons développé une approche originale pour la régularisation de l'apprentissage des réseaux de neurones : le weight smoothing. Deuxièmement, l'interféromètre haute résolution IASI, devant être embarqué vers 2003 sur la plateforme METOP de l'ESA. On a montré que notre technique, prenant en compte le bruit instrumental de l'appareil, est à même de répondre aux contraintes de précision fixées par l'organisation mondiale de météorologie. Pour l'apprentissage non supervisé, notre application principale concerne l'analyse de séries temporelles géophysiques par la technique d'analyse en composantes indépendantes. Cette technique neuronale a pour but d'extraire non linéairement, dans les observations, des composantes statistiquement indépendantes. Cette contrainte est plus forte que la simple décorrélation qui est à la base des techniques statistiques classiques (analyse en composantes principales, décomposition en valeurs singulière ou analyse factorielle). L'étude de la variabilité de la température de surface de l’océan tropical montre que l'ACI est plus performante que la DVS pour déterminer la présence de phénomènes climatologiques tels que El-Nino ou l'oscillation quasi-biennale.

  • Titre traduit

    Inverse problems and neural networks: application to the high-resolution interferometer IASI and to the analysis of time series


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 220 p
  • Annexes : 155 réf

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris-Dauphine (Paris). Service commun de la documentation.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.